《统计推断第二版》笔记——区间估计

9.1 引言

前面讨论过参数$\theta$的点估计，那里的推断是猜测一个单个值作为$\theta$的值，这一章我们讨论区间估计及更一般的集合估计。

集合估计问题中的推断就是陈述 $\theta \in C$，其中$C\subset \Theta$并且$C=C(\mathbf{X})$是一个由观测数据$\mathbf{X}=\mathbf{x}$的值决定的集合。

定义9.1.1 一个实值参数$\theta$的区间估计是样本的任意一堆函数$L(x_1,\cdots ,x_n)$和$U(x_1,\cdots ,x_n)$，对于所有的$\mathbf{x}\in \mathcal{X}$满足$L(\mathbf{x})⩽U(\mathbf{x})$. 如果观测到样本$\mathbf{X}=\mathbf{x}$，就做出推断$L(\mathbf{x})⩽\theta ⩽U(\mathbf{x})$. 随机区间$[L(\mathbf{x}),U(\mathbf{x})]$叫做区间估计量。

使用区间估计而不使用点估计，目的在于对于捕获感兴趣的参数有某种保证。这个保证的确定是用以下定义量化的。

定义9.1.4 对于一个对参数$\theta$的区间估计量$[L(\mathbf{x}),U(\mathbf{x})]$，$[L(\mathbf{x}),U(\mathbf{x})]$的覆盖概率是指随机区间$[L(\mathbf{x}),U(\mathbf{x})]$覆盖真实参数$\theta$的概率。在符号上记作$P_{\theta }(\theta \in [L(\mathbf{x}),U(\mathbf{x})])$.

定义9.1.5 对于一个参数$\theta$的区间估计量$[L(\mathbf{x}),U(\mathbf{x})]$，$[L(\mathbf{x}),U(\mathbf{x})]$的置信系数是指覆盖概率的下确界$in{f}_{\theta }{P}_{\theta }(\theta \in [L(\mathbf{x}),U(\mathbf{x})])$

因为我们不知道$\theta$的真实值，所以我们只能保证一个覆盖概率的下确界，即置信系数。在某些情况这并不紧要，因为覆盖概率是$\theta$的一个常数函数。而某些情况，覆盖概率可能随$\theta$不同而有很大变化。